- (新)第115集 7.5.5 对应分析：案例分析2
- (新)第114集 7.5.4 对应分析：案例分析1
- (新)第113集 7.5.3 行点和列点相近的意涵
- 第112集 7.5.2 行（列）点之间的距离
- 第111集 7.5.1 对应分析图的构建
- 第110集 7.4 行、列轮廓的坐标
- 第109集 7.3.3 总惯量的分解
- 第108集 7.3.2 总惯量为零的等价情形
- 第107集 7.3.1 总惯量的概念
- 第106集 7.2.4 行轮廓和列轮廓：案例分析
- 第105集 7.2.3 行、列轮廓
- 第104集 7.2.2 对应矩阵
- 第103集 7.2.1 列联表
- 第102集 7.1 对应分析：引言
- 第101集 6.5.3 对因子综合得分方法的质疑
- 第100集 6.5.2 因子分析：案例分析7
- 第99集 6.5.1 回归法的因子得分
- 第98集 6.4.4 因子分析：案例分析6
- 第97集 6.4.3 因子分析：案例分析5
- 第96集 6.4.2 最大方差旋转法及案例分析4
- 第95集 6.4.1 正交旋转
- 第94集 6.3.5 极大似然法及案例分析3
- 第93集 6.3.4 因子分析：案例分析2
- 第92集 6.3.3 主因子法
- 第91集 6.3.2 因子分析：案例分析1
- 第90集 6.3.1 主成分法
- 第89集 6.2.3 因子载荷矩阵的统计意义
- 第88集 6.2.2 正交因子模型的性质
- 第87集 6.2.1 数学模型
- 第86集 6.1 因子分析：引言
- 第85集 5.5.8 对主成分综合得分方法的质疑
- 第84集 5.5.7 关于定性数据
- 第83集 5.5.6 关于不同时期的主成分分析
- 第82集 5.5.5 主成分用于聚类分析
- 第81集 5.5.4 关于时间序列数据
- 第80集 5.5.3 关于异常值的影响
- 第79集 5.5.2 关于样本容量n的大小
- 第78集 5.5.1 主成分的保留个数
- 第77集 5.4.4 主成分分析：案例分析4
- 第76集 5.4.3 主成分分析：案例分析3
- 第75集 5.4.2 主成分分析：案例分析2
- 第74集 5.4.1 主成分分析：案例分析1
- 第73集 5.3.3 主成分分析的应用
- 第72集 5.3.2 从样本相关阵出发求主成分
- 第71集 5.3.1 从样本协差阵出发求主成分
- 第70集 5.2.4 从相关阵出发求主成分
- 第69集 5.2.3 主成分的性质4
- 第68集 5.2.2 主成分的性质1、2和3
- 第67集 5.2.1 主成分的定义及解
- 第66集 5.1 主成分分析：引言
- 第65集 4.5.4 使用k均值法应注意的问题
- 第64集 4.5.3 k均值法：案例分析
- 第63集 4.5.2 k均值法的基本步骤
- 第62集 4.5.1 动态聚类法的概念
- 第61集 4.4.5 类的个数
- 第60集 4.4.4 对变量的聚类及案例分析
- 第59集 4.4.3 使用图形对聚类效果的评估
- 第58集 4.4.2 使用图形作直观的聚类
- 第57集 4.4.1 系统聚类法的单调性
- 第56集 4.3.7 系统聚类法：案例分析
- 第55集 4.3.6 离差平方和法
- 第54集 4.3.5 重心法
- 第53集 4.3.4 类平均法
- 第52集 4.3.3 最长距离法
- 第51集 4.3.2 最短距离法
- 第50集 4.3.1 系统聚类法的概念
- 第49集 4.2 距离和相似系数
- 第48集 4.1 聚类分析：引言
- 第47集 3.6.6 判别规则
- 第46集 3.6.5 需注意的两点
- 第45集 3.6.4 费希尔判别：案例分析
- 第44集 3.6.3 判别函数得分图
- 第43集 3.6.2 费希尔判别函数
- 第42集 3.6.1 费希尔判别的基本思想
- 第41集 3.5.5 贝叶斯判别与距离判别的比较
- 第40集 3.5.4 多组的情形
- 第39集 3.5.3 两个正态组的情形
- 第38集 3.5.2 两组的一些特殊情形
- 第37集 3.5.1 两组的一般情形
- 第36集 3.4.3 贝叶斯判别：案例分析
- 第35集 3.4.2 皆为正态组的情形
- 第34集 3.4.1 最大后验概率法的判别规则
- 第33集 3.3.3 多组距离判别：案例分析
- 第32集 3.3.2 采用线性还是二次判别函数的策略
- 第31集 3.3.1 多组的判别规则
- 第30集 3.2.4 两组协差阵不等时的情形
- 第29集 3.2.3 误判概率的非参数估计
- 第28集 3.2.2 从样本出发的判别
- 第27集 3.2.1 从总体出发的判别
- 第26集 3.1 判别分析：引言
- 第25集 2.7.3 多变量数据基本分析演示
- 第24集 2.7.2 各变量数据同时做一元分析演示
- 第23集 2.7.1 数据的输入和数据的导入
- 第22集 2.6.2 一个样例数据的一元分析演示
- 第21集 2.6.1 JMP入门简介
- 第20集 2.5.3 估计量的无偏性
- 第19集 2.5.2 极大似然估计
- 第18集 2.5.1 简单随机样本
- 第17集 2.4 多元正态分布
- 第16集 2.3.2 马氏距离
- 第15集 2.3.1 欧氏距离
- 第14集 2.2.3 相关矩阵
- 第13集 2.2.2 协方差矩阵
- 第12集 2.2.1 数学期望
- 第11集 2.1 多元分布
- 第10集 1.5.2 矩阵函数值的SAS输出
- 第9集 1.5.1 正定矩阵和非负定矩阵
- 第8集 1.4.2 矩阵的迹
- 第7集 1.4.1 矩阵的特征值和特征向量
- 第6集 1.3.3 矩阵的秩
- 第5集 1.3.2 矩阵的逆
- 第4集 1.3.1 矩阵的行列式
- 第3集 1.2 正交矩阵
- 第2集 1.1.2 矩阵的运算
- 第1集 1.1.1 矩阵的定义
多元统计分析是统计学中内容十分丰富、应用性极强的一个重要分支，是一种非常重要和实用的多元数据处理方法，也是处理大数据问题的一个非常重要的统计工具。本课程用尽可能简单的数学工具将多元统计的基本思想、方法和原理讲解透彻，并十分注重学生处理实际数据能力的培养。
关注公众号:diyijc_com 问题反馈
关注公众号:diyijc_com 问题反馈
多元统计分析是统计学中内容十分丰富、应用性极强的一个重要分支，是一种非常重要和实用的多元数据处理方法，也是处理大数据问题的一个非常重要的统计工具。本课程用尽可能简单的数学工具将多元统计的基本思想、方法和原理讲解透彻，并十分注重学生处理实际数据能力的培养。
多元统计分析相关文章：
扫一扫手机观看！
